Uno de los Mentes Más Respetadas de la Robótica Se Vuelve Independiente

Russ Tedrake, uno de los investigadores más influyentes en robótica y uno de los arquitectos de la ola actual de sistemas de IA físicamente capaces, regresa al centro de atención — esta vez como fundador de una empresa emergente de IA encubierta no divulgada. Tedrake presentará públicamente la empresa en la Cumbre y Exposición de Robótica, programada para los 27-28 de mayo en el Centro de Convenciones y Exposiciones Thomas M. Menino en Boston. El anuncio ha generado una anticipación significativa en la comunidad de robótica, donde el nombre de Tedrake tiene un peso sustancial construido durante décadas de investigación en MIT y liderazgo industrial en el Instituto de Investigación de Toyota.

Tedrake sirvió recientemente como Vicepresidente Senior de Modelos de Comportamiento Grandes en el Instituto de Investigación de Toyota, donde lideró los esfuerzos para desarrollar los tipos de modelos de fundación para el comportamiento de robots que representan la frontera actual de IA física. Su partida de TRI para iniciar una empresa independiente señala tanto su convicción de que el momento es adecuado para construir una empresa alrededor de estas ideas como que las capacidades requeridas para hacerlo han alcanzado un umbral de madurez.

¿Qué es IA Física y Por Qué Importa

IA Física se refiere ampliamente a sistemas de IA que operan e interactúan con el mundo físico — robots, vehículos autónomos y otras máquinas que deben percibir su entorno, planificar acciones y ejecutar esos planes en tiempo real bajo condiciones de incertidumbre. Es un problema fundamentalmente más difícil que IA de lenguaje o imagen porque el mundo físico no perdona los errores de la forma que lo hace un editor de texto. Un robot que identifica incorrectamente un objeto y ordena la fuerza de agarre incorrecta no produce una oración codificada — rompe algo, lastima a alguien o falla completamente la tarea.

Tedrake ha pasado su carrera atacando este problema desde los fundamentos teóricos hacia arriba. En el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT, desarrolló algoritmos de aprendizaje por refuerzo para problemas de control continuo — la maquinaria matemática que subyace en cómo los robots aprenden a moverse con fluidez en lugar de en trayectorias rígidas preprogramadas. Su trabajo sobre manipulación, locomoción y la dinámica del contacto ha sido fundamental para la investigación moderna en robótica.